WO2019031048A1 - 情報処理装置、情報処理方法及びプログラム - Google Patents

情報処理装置、情報処理方法及びプログラム Download PDF

Info

Publication number
WO2019031048A1
WO2019031048A1 PCT/JP2018/022092 JP2018022092W WO2019031048A1 WO 2019031048 A1 WO2019031048 A1 WO 2019031048A1 JP 2018022092 W JP2018022092 W JP 2018022092W WO 2019031048 A1 WO2019031048 A1 WO 2019031048A1
Authority
WO
WIPO (PCT)
Prior art keywords
information processing
processing apparatus
unit
fluorescence
measurement
Prior art date
Application number
PCT/JP2018/022092
Other languages
English (en)
French (fr)
Inventor
重篤 吉岡
山根　健治
澪 村田
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to EP18842889.0A priority Critical patent/EP3667290A4/en
Priority to JP2019534997A priority patent/JP7010293B2/ja
Priority to US16/635,827 priority patent/US11561161B2/en
Priority to CN201880050074.2A priority patent/CN111033222B/zh
Publication of WO2019031048A1 publication Critical patent/WO2019031048A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology

Definitions

  • the present disclosure relates to an information processing device, an information processing method, and a program.
  • a flow cytometer is a device that detects particles such as fluorescence or scattered light emitted from particles, such as cells or beads flowing in a flow cell, by irradiating light with the particles and optically measures the characteristics of each of the particles. .
  • Patent Document 1 discloses that in the fluorescence detection of a flow cytometer (microparticle measurement device), the intensity of light in a continuous wavelength range is detected as a fluorescence spectrum.
  • a light receiving element array in which a plurality of light receiving elements having different detection wavelength ranges are arrayed by dispersing fluorescence emitted from the minute particles by using a spectral element such as a prism or a grating. To detect the separated fluorescence.
  • Patent No. 5772425 gazette
  • measurement values measured by the flow cytometer include various errors caused by measurement conditions and the like. Therefore, in the flow cytometer, in order to measure the characteristics of the particles to be measured more accurately, a technique for estimating the amount of error contained in the measured value has been required.
  • the present disclosure proposes a novel and improved information processing apparatus, information processing method, and program capable of easily calculating the amount of error included in the measurement value.
  • each of the extracted parameters extracts the variation of each of the parameters affecting the intensity of the fluorescence measured when the particle is irradiated with light, from the database based on the measurement conditions.
  • An information processing unit configured to generate a calculation expression representing an error amount included in the intensity of the fluorescence based on the variation of
  • an extraction unit for extracting from the database, based on measurement conditions, variation in each of the parameters that affects the intensity of fluorescence measured when the particle is irradiated with light beam by a computer
  • a program functions as an operation unit that generates a calculation expression that represents an amount of error included in the intensity of the fluorescence based on the variation of each of the parameters.
  • the information processing system 1 includes a measurement unit 20 that acquires measurement data from a measurement sample S, and an information processing apparatus 10 that analyzes measurement data acquired by the measurement unit 20. And.
  • the information processing system 1 according to the present embodiment can be used, for example, as a flow cytometer, and more specifically, as a cell analyzer or a cell sorter.
  • the measurement unit 20 measures fluorescence, phosphorescence or scattered light emitted from the measurement sample S by irradiating the measurement sample S with laser light.
  • the measurement unit 20 may measure at least one of fluorescence, phosphorescence and scattered light emitted from the measurement sample S.
  • the measurement unit 20 may measure the absorption spectrum of the measurement sample S instead of or in addition to fluorescence, phosphorescence and scattered light. In the following, the measurement unit 20 will be described as measuring at least the fluorescence spectrum of the measurement sample S.
  • the information processing apparatus 10 analyzes the measurement data of the measurement sample S acquired by the measurement unit 20 to determine the characteristics and the like of the measurement sample S.
  • the detailed configuration of the information processing apparatus 10 will be described later.
  • FIG. 1 illustrates the case where the information processing apparatus 10 and the measurement unit 20 are provided as separate apparatuses, the technology according to the present disclosure is not limited to such an example.
  • Each function of the information processing device 10 may be included in a computer that controls the operation of the measurement unit 20, or may be included in any computer provided in the housing of the measurement unit 20.
  • the measurement sample S may also be industrially synthesized particles such as latex particles, gel particles or industrial particles.
  • particles synthesized industrially are particles synthesized with an organic resin material such as polystyrene or polymethyl methacrylate, an inorganic material such as glass, silica or magnetic substance, or a metal such as gold colloid or aluminum. It is also good.
  • the industrially synthesized particles may also be spherical or non-spherical in shape, and the size and mass are not particularly limited.
  • the measurement sample S can be labeled (stained) by one or more fluorescent dyes prior to measurement of the fluorescence spectrum.
  • the labeling of the measurement sample S with a fluorescent dye may be performed by a known method. Specifically, when the measurement sample S is a cell, a fluorescently labeled antibody that selectively binds to an antigen present on the cell surface and a cell to be measured are mixed, and the fluorescently labeled antibody is made to the antigen on the cell surface
  • the cells to be measured can be labeled with a fluorescent dye.
  • it is also possible to label cells to be measured with a fluorescent dye by mixing a fluorescent dye that is selectively taken into a specific cell with a cell to be measured.
  • a fluorescently labeled antibody is an antibody conjugated with a fluorescent dye as a label.
  • the fluorescently labeled antibody may be one in which a fluorescent dye is directly bound to the antibody.
  • the fluorescently labeled antibody may be a biotin-labeled antibody in which an avidin-bound fluorescent dye is bound by an avidin-biozin reaction.
  • the antibody either a polyclonal antibody or a monoclonal antibody can be used.
  • the fluorescent dye for labeling cells is not particularly limited, and it is possible to use at least one or more known dyes used to stain cells and the like.
  • fluorescent dyes phycoerythrin (PE), fluorescein isothiocyanate (FITC), PE-Cy5, PE-Cy7, PE-Texas Red (registered trademark), allophycocyanin (APC), APC-Cy7, ethidium bromide ( ethidium bromide, propidium iodide, Hoechst 33258, Hoechst 33342, DAPI (4 ', 6-diamidino-2-phenylindole), acridine orange, chromomycin chromomyc, mithramycin, olivomycin, pyronine (p ronin) Y, thiazole orange (thiazole orange), rhodamine (rhodamine) 101, isothiocyanate (isothiocyanate), BCECF
  • SNARF-1 C.I. SNARF-1-AMA, Aequorin, Indo-1, Indo-1-AM, Fluo-3, Fluo-3-AM, Fura-2, Fura-2-AM, Oxonol, Texas Red (Registration Trademarks, rhodamine 123, 10-N-non-acridine orange, fluorescein, fluorescein diacetate, carboxyfluorescein, carboxyfluorescein diacetate, carboxydichlorofluorescein, Or carboxydichloroful Receptacle indicator acetate may be used (carboxydichlorofluorescein diacetate) and the like. It is also possible to use derivatives of the above-mentioned fluorescent dyes.
  • FIGS. 2 and 3 are block diagrams illustrating measurement units provided in the information processing system shown in FIG.
  • the measurement unit 20 allows the measurement sample S to flow in one direction with the laser light source 21 emitting laser light having a wavelength capable of exciting the fluorescent dye for labeling the measurement sample S.
  • a flow cell 23 and a light detector 25 for receiving fluorescence, phosphorescence or scattered light from the measurement sample S irradiated with laser light are provided.
  • the laser light emitted from the laser light source 21 is applied to each of the measurement samples S passing through the flow cell 23.
  • the measurement sample S emits scattered light and fluorescence (in some cases, it changes to fluorescence and emits phosphorescence) by being irradiated with the laser light.
  • the scattered light emitted from the measurement sample S is detected by the detector 253.
  • the fluorescence emitted from the measurement sample S is dispersed into a continuous spectrum by the spectroscopic element and then detected by the light receiving element array 251.
  • the measurement result of the measurement sample S acquired by the information processing system 1 includes an error caused by the variation of the measurement sample S, an error caused by the measurement unit 20, and the like. Therefore, when these errors are large, when the distribution of each of the cell populations included in the measurement sample S is broadened, the boundaries of each of the cell populations become unclear, and it becomes difficult to properly separate each of the cell populations. There is.
  • the information processing apparatus 10 can calculate a calculation formula representing the above-described error included in the measurement result by the configuration described below. Accordingly, the information processing apparatus 10 can remove an error from the measurement result or calculate a simulation result in consideration of the error by using the calculated calculation formula.
  • FIG. 4 is a block diagram for explaining an information processing apparatus provided in the information processing system shown in FIG.
  • the information processing apparatus 10 includes a data acquisition unit 102, a data correction unit 104, an output unit 106, a display control unit 108, an error expression generation unit 110, a simulation unit 112, and an input unit. And a database storage unit 120.
  • the input unit 114 acquires information input by a user or the like. Specifically, the input unit 114 may acquire the measurement conditions of the measurement sample S input by the user or the like.
  • the input unit 114 includes an input device to which information such as a touch panel, a keyboard, a mouse, a button, a microphone, a switch or a lever is input, and an input control circuit that generates an input signal based on the input information. May be composed of
  • the measurement conditions include the type of cells contained in the measurement sample S, the type of antigen possessed by the cells, the type of antibody binding to the antigen, or a fluorescent dye binding to the antibody , Information on the type of sign).
  • the measurement conditions may be information as shown in FIG. FIG. 5 is a table showing an example of measurement conditions input to the input unit 114. As shown in FIG.
  • various types of blood cell lineage may be input as the “cell type”.
  • antigens present on the surface of cells indicated by “cell type” may be input as “antigens”, respectively.
  • type of antibody that respectively binds to "antigen” may be input as “antibody”, and the name of the fluorescent dye that is respectively bound to “antibody” may be input as "dye”.
  • the measurement sample S includes a plurality of cell types.
  • the information processing system 1 can classify and detect a plurality of cell types contained in the measurement sample S by staining a plurality of antigens with different antibodies and dyes for each of a plurality of cell types.
  • the information processing apparatus 10 it is possible to significantly reduce the amount of work and time required to optimize the combination of the types of antigen, antibody, and dye so that the error of the detection result is reduced. It is.
  • the error formula generation unit 110 extracts the variation of each parameter affecting the measurement result of the measurement unit 20 based on the measurement condition, and generates a calculation formula representing the amount of error included in the measurement result.
  • the measurement results by the measurement unit 20 may include errors due to variations in the following parameters. Therefore, the measurement result obtained by the measurement unit 20 includes an error obtained by adding the variations of the following parameters.
  • the intensity or spectrum of the fluorescence obtained by the measurement unit 20 may be mutually affected by the plurality of laser beams and the fluorescence.
  • the fluorescent dye bound to the measurement sample S may be excited by laser light other than the laser light as the excitation source to emit fluorescence depending on the wavelength.
  • the intensity of the fluorescence acquired by the measurement unit 20 includes the fluorescence due to the laser light other than the excitation source, and thus includes an error due to the fluorescence.
  • the fluorescent dye bound to the measurement sample S emits fluorescence having a wavelength distribution centered on a predetermined wavelength, not only fluorescence of a predetermined wavelength. Therefore, the intensity of the fluorescence acquired by the measurement unit 20 includes the leak of the wavelength distribution of the other fluorescent dye, and thus includes an error due to the leak.
  • the error formula generation unit 110 generates a calculation formula representing the amount of error included in the measurement result obtained by the measurement unit 20 by searching the database for the variation of each parameter corresponding to the measurement condition. Do.
  • the error formula generation unit 110 generates a calculation formula representing the amount of error from each of the actual data extracted from the database.
  • the error expression generation unit 110 may generate a calculation expression representing the amount of error by generating a calculation expression representing a curve fitted to the variation indicated by the retrieved actual data.
  • the error expression generation unit 110 generates a calculation expression representing the amount of error included in the measurement result by adding the generated calculation expressions.
  • the database stored in the database storage unit 120 is, for example, a collection of data obtained by accumulating experimental data, simulation data, theoretical prediction data and the like indicating variations of each parameter with respect to various measurement conditions. It may be.
  • the antibody affinity DB 122 is, for example, a database in which data indicating the distribution of the affinity of each antibody for the type of antigen is accumulated.
  • the dye light amount distribution DB 123 is, for example, a database in which data indicating the light amount distribution with respect to the type of fluorescent dye is accumulated.
  • the photon shot noise 124 is, for example, a database in which data indicating the degree of photon shot noise of the light detector 25 with respect to the light amount of the fluorescent dye is accumulated.
  • the database storage unit 120 may store a database in which data concerning variations of other parameters affecting the measurement result is accumulated in addition to the databases exemplified above.
  • the database storage unit 120 may be provided inside the information processing apparatus 10, but may be provided in an external device connected to the information processing apparatus 10 via a network or the like.
  • the simulation unit 112 may generate simulation data of the measurement result of the measurement sample S by a simulation method other than Monte Carlo simulation.
  • the simulation unit 112 may classify each cell population of simulation data with a classifier other than a clustering algorithm.
  • the data acquisition unit 102 acquires the measurement result of the measurement sample S from the measurement unit 20. Specifically, the data acquisition unit 102 acquires, from the measurement unit 20, measurement results regarding the intensity or spectrum of the fluorescence emitted by the measurement sample S.
  • the data acquisition unit 102 may be configured to include, for example, a connection port for connecting to the measurement unit 20 or an external input interface configured by a communication device.
  • the data acquisition unit 102 may acquire information from the measurement unit 20 either wirelessly or by wire.
  • the data correction unit 104 corrects the measurement result of the measurement sample S based on the calculation expression generated by the error expression generation unit 110. Specifically, the data correction unit 104 removes the error represented by the calculation equation generated by the error equation generation unit 110 from the measurement result on the spectrum or intensity of the fluorescence emitted by the measurement sample S. For example, the data correction unit 104 regards the measurement result of the measurement sample S as a composite function of the function representing the measurement result of the true value and the function representing the error, and uses the calculation formula generated by the error formula generation unit 110. Then, a function representing an error may be removed from the measurement result of the measurement sample S. According to this, by correcting the measurement result of the measurement sample S, the data correction unit 104 can obtain the measurement result with less variation and high accuracy.
  • an information processing apparatus 10 it is possible to obtain a measurement result with higher accuracy and accuracy by correcting the error, so that the possibility of finding new knowledge based on the measurement result is improved. It can be done. Further, since the information processing apparatus 10 can predict the measurement result for the measurement condition as simulation data in consideration of an error, it is possible to previously search for the optimum measurement condition by simulation. According to this, the user can save the sample, time, reagents and the like for examining the measurement conditions. Further, since the information processing apparatus 10 can reduce the error included in the measurement result to the threshold value or less, the reproducibility and the quantitativeness of the measurement can be improved.
  • a first example of the information processing method according to the present embodiment is a method of simulating a measurement result using a calculation formula representing the generated error.
  • the information processing apparatus 10 first acquires the measurement conditions input through the input unit 114 (S101).
  • the measurement conditions include the type of cell, the type of antigen, the type of antibody, and the type of fluorescent dye as shown in FIG.
  • the error formula generation unit 110 searches the various databases for an error distribution corresponding to the measurement condition using the input measurement condition (S102). Thereafter, the error formula generation unit 110 generates a formula for calculating the amount of error based on the retrieved error distribution (S103).
  • the error expression generation unit 110 searches the database (for example, the antigen expression amount DB 121) for the distribution of the expression amount of each antigen for each of the cells to be measured.
  • the error expression generation unit 110 uses the information on the type of antibody to each antigen to generate a relative binding ratio distribution of the antibody to the antigen (that is, a distribution represented by the ratio to the average binding ratio) Search from the affinity DB 122).
  • the error expression generation unit 110 uses the information on the type of the fluorescent dye for each antigen to generate a database (eg, a dye representing the relative intensity distribution of the light amount of the fluorescent dye (that is, the distribution represented by the ratio to the average light amount). Search from the light amount distribution DB 123).
  • the error expression generation unit 110 leaks the fluorescence from the fluorescent dye of the near wavelength using information on the type of the fluorescent dye to the antigen.
  • the distribution of quantities is retrieved from a database (eg, near wavelength leak DB 125).
  • the error equation generation unit 110 searches the database (for example, the light intensity DB 126 for each excitation wavelength) for the light quantity distribution of the fluorescent dye excited by the laser light other than the excitation source, using the information on the type of fluorescent dye for the antigen. .
  • the error equation generation unit 110 is excited by a distribution other than the excitation source, the relative binding ratio distribution between the antigen and the antibody, the relative intensity distribution of the light quantity of the fluorescent dye, the photon shot noise distribution, the distribution of the leakage of fluorescence,
  • the light quantity distribution of the fluorescent dye to be used is used to generate a formula representing the amount of error in the entire measurement result.
  • the simulation unit 112 executes a simulation using the distribution of antigen expression amount, the calculation formula of the error amount, and the random number (S104). Specifically, the simulation unit 112 performs Monte Carlo simulation using the distribution of the expression amount of each antigen for each of the cells to be measured, the calculation formula representing the error amount in the entire generated measurement result, and the random number. And generate simulation data of the measurement result.
  • the second example of the information processing method according to the present embodiment is a method of correcting the measurement result measured by the measurement unit 20 using a calculation formula representing the generated error.
  • the measurement of the measurement sample S is performed by the measurement unit 20 (S111). Specifically, the measurement unit 20 detects the scattered light and the fluorescence from each of the samples by irradiating each of the samples passing through the flow cell 23 with the laser light. Subsequently, the error formula generation unit 110 searches the various databases for the error distribution corresponding to the measurement condition using the measurement condition of the measurement sample S (S112), and calculates the formula for the error amount based on the searched error distribution. It generates (S113). The method of generating the calculation formula representing the error amount is as described in the first example, and therefore the description thereof is omitted here.
  • the data correction unit 104 corrects the measurement result acquired by the measurement unit 20 using the calculation formula representing the generated error amount. Specifically, the data correction unit 104 generates the inverse mapping of the calculation formula representing the error amount, and processes the function representing the measurement result with the generated inverse mapping to generate the measurement result from which the error is removed. May be Thereafter, the information processing apparatus 10 presents the user with the measurement result from which the error has been removed via the output unit 106 (S115).
  • FIG. 9 is a block diagram for explaining a first example of the information processing method.
  • the information processing apparatus 10 includes a database in which information on the affinity of the antibody for the antigen is accumulated, a database in which information on the light quantity distribution of the fluorescent dye is accumulated, and information on photon shot noise according to the light quantity.
  • An integrated database a database on which information on the amount of fluorescence leaked from a fluorescent dye of a near wavelength, a database on which information on the amount of fluorescent dye according to excitation wavelength is accumulated, and information on device-specific noise of the measuring unit 20
  • the accumulated database is used to generate a formula representing the amount of error in the entire measurement result.
  • the information processing apparatus 10 simulates the measurement result using the generated calculation formula of the error amount, the apparatus information of the measurement unit 20, and the information of the cell to be measured and the fluorescence labeling reagent. Specifically, the information processing apparatus 10 calculates the generated error amount, the distribution of variations due to the device of the measurement unit 20, the distribution of antigen expression amount for each cell, the type of cells to be measured and the fluorescent labeling reagent, and random numbers.
  • the simulation data of the measurement result is generated by performing Monte Carlo simulation using.
  • the information processing apparatus 10 generates a formula representing the error amount of the entire measurement in consideration of error factors such as noise inherent to the apparatus of the measurement unit 20. be able to.
  • the information processing apparatus 10 can perform simulation of the measurement result in consideration of error factors such as variation caused by the apparatus setting of the measurement unit 20. According to this, the information processing apparatus 10 can obtain simulation results with higher accuracy and accuracy.
  • the CPU 901 functions as an arithmetic processing unit and a control unit, and controls the overall operation of the information processing apparatus 10 in accordance with various programs stored in the ROM 902 or the like.
  • the ROM 902 stores programs used by the CPU 901 and calculation parameters
  • the RAM 903 temporarily stores programs used in the execution of the CPU 901, parameters that appropriately change in the execution, and the like.
  • the CPU 901 may execute the functions of the data correction unit 104, the error expression generation unit 110, and the simulation unit 112.
  • the storage device 913 is a storage device for storing data of the information processing device 10.
  • the storage device 913 may include a storage medium, a storage device that stores data in the storage medium, a reading device that reads data from the storage medium, and a deletion device that deletes stored data.
  • the storage device 913 may execute the function of the database storage unit 120.
  • the drive 914 is a storage medium read writer, and is built in or externally attached to the information processing apparatus 10.
  • the drive 914 reads information stored in a removable storage medium such as a mounted magnetic disk, optical disk, magneto-optical disk, or semiconductor memory, and outputs the read information to the RAM 903.
  • the drive 914 can also write information to a removable storage medium.
  • An extraction unit that extracts from the database, based on measurement conditions, variations in each of the parameters that affect the intensity of fluorescence measured when the particles are irradiated with light.
  • An arithmetic unit that generates a calculation formula representing an error amount included in the intensity of the fluorescence based on the variation of each of the extracted parameters;
  • An information processing apparatus comprising: (2) The information processing apparatus according to (1), further including: a data correction unit that corrects the detected intensity of the fluorescence using the calculation formula.
  • the particle emits a plurality of corresponding fluorescence by being irradiated with a plurality of light beams,

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Dispersion Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

【課題】測定値に含まれる誤差量を容易に算出することが可能な情報処理装置及び情報処理方法を提供する。 【解決手段】粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、を備える、情報処理装置。

Description

情報処理装置、情報処理方法及びプログラム
　本開示は、情報処理装置、情報処理方法及びプログラムに関する。
　医学または生化学等の分野では、大量の粒子の各々の特性を迅速に測定するために、フローサイトメータを用いることが一般的になっている。フローサイトメータは、フローセルを流れる細胞又はビーズ等の粒子に光線を照射することで、該粒子から発せられる蛍光又は散乱光などを検出し、粒子の各々の特性を光学的に測定する装置である。
　例えば、下記の特許文献１には、フローサイトメータ（微小粒子測定装置）の蛍光検出において、連続した波長域の光の強度を蛍光スペクトルとして検出することが開示されている。特許文献１に開示された微小粒子測定装置では、プリズム又はグレーティングなどの分光素子を用いることで微小粒子から発せられる蛍光を分光し、検出波長域が異なる複数の受光素子を配列した受光素子アレイにて、分光された蛍光を検出している。
特許第５７７２４２５号公報
　しかしながら、フローサイトメータにて測定した測定値には、測定条件等に起因する種々の誤差が含まれる。そのため、フローサイトメータにおいて、測定対象の粒子の特性をより正確に測定するために、測定値に含まれる誤差量を見積もる技術が求められていた。
　そこで、本開示では、測定値に含まれる誤差量を容易に算出することが可能な、新規かつ改良された情報処理装置、情報処理方法及びプログラムを提案する。
　本開示によれば、粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、を備える、情報処理装置が提供される。
　また、本開示によれば、演算処理装置を用いて、粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出することと、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成することと、を含む、情報処理方法が提供される。
　さらに、本開示によれば、コンピュータを粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、として機能させる、プログラムが提供される。
　本開示によれば、測定結果又はシミュレーション結果を多数集積したデータベースを用いることで、測定結果に現れる誤差量を定量的に表す計算式を測定条件に基づいて生成することができる。
　以上説明したように本開示によれば、測定値に含まれる誤差量を容易に算出することが可能である。
　なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態に係る情報処理システムを説明するブロック図である。 図１に示す情報処理システムが備える測定ユニットを説明するブロック図である。 図１に示す情報処理システムが備える測定ユニットを説明するブロック図である。 図１に示す情報処理システムが備える情報処理装置を説明するブロック図である。 入力部に入力される測定条件の一例を示す表である。 データベース記憶部が記憶するデータベースの具体例を示すブロック図である。 情報処理方法の第１の例を説明するフローチャート図である。 情報処理方法の第２の例を説明するフローチャート図である。 情報処理方法の第１の例の実施例を示す説明図である。 本実施形態に係る情報処理装置のハードウェア構成の一例を示したブロック図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　なお、説明は以下の順序で行うものとする。
　１．情報処理システムの概要
　２．測定サンプル
　３．測定ユニットの構成
　４．情報処理装置の構成
　５．情報処理方法の流れ
　　５．１．第１の例
　　５．２．第２の例
　６．実施例
　７．ハードウェア構成
　８．まとめ
　＜１．情報処理システムの概要＞
　まず、図１を参照して、本開示の一実施形態に係る情報処理システムの概要について説明する。図１は、本実施形態に係る情報処理システムを説明するブロック図である。
　図１に示すように、本実施形態に係る情報処理システム１は、測定サンプルＳから測定データを取得する測定ユニット２０と、測定ユニット２０にて取得された測定データを解析する情報処理装置１０と、を備える。本実施形態に係る情報処理システム１は、例えば、フローサイトメータとして用いられ、より詳細にはセルアナライザ又はセルソータなどとして用いられ得る。
　測定ユニット２０は、測定サンプルＳに対してレーザ光を照射することで測定サンプルＳから発せられる蛍光、りん光又は散乱光を測定する。測定ユニット２０は、測定サンプルＳから発せられる蛍光、りん光又は散乱光の少なくともいずれか１つを測定すればよい。測定ユニット２０は、蛍光、りん光及び散乱光に替えて又は加えて、測定サンプルＳの吸収スペクトルを測定してもよい。なお、以下では、測定ユニット２０は、測定サンプルＳの蛍光スペクトルを少なくとも測定するとして説明を行う。
　情報処理装置１０は、測定ユニット２０によって取得された測定サンプルＳの測定データを解析することで、測定サンプルＳの特性等を判断する。情報処理装置１０の詳細な構成については、後述する。図１では、情報処理装置１０及び測定ユニット２０がそれぞれ別の装置として設けられる場合について図示したが、本開示に係る技術は、かかる例示に限定されない。情報処理装置１０の各機能は、測定ユニット２０の動作を制御するコンピュータに備えられてもよく、測定ユニット２０の筐体内に設けられた任意のコンピュータに備えられてもよい。
　測定サンプルＳは、細胞、微生物及び生体関連粒子などの生体由来の粒子であってもよい。細胞は、例えば、動物細胞（例えば、血球系細胞など）又は植物細胞などであってもよい。微生物は、例えば、大腸菌等の細菌類、タバコモザイクウイルス等のウイルス類、又はイースト等の菌類などであってもよい。生体関連粒子は、例えば、染色体、リポソーム、ミトコンドリア又は各種オルガネラ（細胞小器官）などの細胞を構成する粒子であってもよい。なお、生体関連粒子には、核酸、タンパク質、脂質若しくは糖鎖、又はこれらの複合体などの生体関連高分子が含まれてもよい。これらの生体由来の粒子は、球形又は非球形のいずれの形状であってもよく、大きさ及び質量についても特に限定されない。
　また、測定サンプルＳは、ラテックス粒子、ゲル粒子又は工業用粒子などの工業的に合成された粒子であってもよい。例えば、工業的に合成された粒子とは、ポリスチレン若しくはポリメチルメタクリレートなどの有機樹脂材料、ガラス、シリカ若しくは磁性体などの無機材料、又は金コロイド若しくはアルミニウムなどの金属で合成された粒子であってもよい。これらの工業的に合成された粒子についても、同様に、球形又は非球形のいずれの形状であってもよく、大きさ及び質量についても特に限定されない。
　＜２．測定サンプル＞
　測定サンプルＳは、蛍光スペクトルの測定に先立って、１つ以上の蛍光色素によって標識（染色）され得る。蛍光色素による測定サンプルＳの標識は、公知の手法によって行われてもよい。具体的には、測定サンプルＳが細胞である場合、細胞表面に存在する抗原に対して選択的に結合する蛍光標識抗体と、測定対象の細胞とを混合し、細胞表面の抗原に蛍光標識抗体を結合させることで、測定対象の細胞を蛍光色素にて標識することができる。または、特定の細胞に対して選択的に取り込まれる蛍光色素と、測定対象の細胞とを混合することで、測定対象の細胞を蛍光色素にて標識することも可能である。
　蛍光標識抗体は、標識として蛍光色素を結合させた抗体である。蛍光標識抗体は、抗体に蛍光色素を直接結合させたものであってもよい。または、蛍光標識抗体は、ビオチン標識した抗体に、アビジンを結合させた蛍光色素をアビジン－ビオジン反応によって結合させたものであってもよい。なお、抗体は、ポリクローナル抗体又はモノクローナル抗体のいずれを用いることも可能である。
　細胞を標識するための蛍光色素は、特に限定されず、細胞等の染色に使用される公知の色素を少なくとも１つ以上用いることが可能である。例えば、蛍光色素として、フィコエリスリン（ＰＥ）、フルオレセインイソチオシアネート（ＦＩＴＣ）、ＰＥ－Ｃｙ５、ＰＥ－Ｃｙ７、ＰＥ－Ｔｅｘａｓ　Ｒｅｄ（登録商標）、アロフィコシアニン（ＡＰＣ）、ＡＰＣ－Ｃｙ７、エチジウムブロマイド（ｅｔｈｉｄｉｕｍ　ｂｒｏｍｉｄｅ）、プロピジウムアイオダイド（ｐｒｏｐｉｄｉｕｍ　ｉｏｄｉｄｅ）、Ｈｏｅｃｈｓｔ（登録商標）３３２５８、Ｈｏｅｃｈｓｔ（登録商標）３３３４２、ＤＡＰＩ（４’，６－ｄｉａｍｉｄｉｎｏ－２－ｐｈｅｎｙｌｉｎｄｏｌｅ）、アクリジンオレンジ（ａｃｒｉｄｉｎｅ　ｏｒａｎｇｅ）、クロモマイシン（ｃｈｒｏｍｏｍｙｃｉｎ）、ミトラマイシン（ｍｉｔｈｒａｍｙｃｉｎ）、オリボマイシン（ｏｌｉｖｏｍｙｃｉｎ）、ピロニン（ｐｙｒｏｎｉｎ）Ｙ、チアゾールオレンジ（ｔｈｉａｚｏｌｅ　ｏｒａｎｇｅ）、ローダミン（ｒｈｏｄａｍｉｎｅ）１０１、イソチオシアネート（ｉｓｏｔｈｉｏｃｙａｎａｔｅ）、ＢＣＥＣＦ、ＢＣＥＣＦ－ＡＭ、Ｃ．ＳＮＡＲＦ－１、Ｃ．ＳＮＡＲＦ－１－ＡＭＡ、イクオリン（ａｅｑｕｏｒｉｎ）、Ｉｎｄｏ－１、Ｉｎｄｏ－１－ＡＭ、Ｆｌｕｏ－３、Ｆｌｕｏ－３－ＡＭ、Ｆｕｒａ－２、Ｆｕｒａ－２－ＡＭ、オキソノール（ｏｘｏｎｏｌ）、テキサスレッド（登録商標）、ローダミン１２３、１０－Ｎ－ノニ－アクリジンオレンジ、フルオレセイン（ｆｌｕｏｒｅｓｃｅｉｎ）、フルオレセインジアセテート（ｆｌｕｏｒｅｓｃｅｉｎ　ｄｉａｃｅｔａｔｅ）、カルボキシフルオレセイン（ｃａｒｂｏｘｙｆｌｕｏｒｅｓｃｅｉｎ）、カルボキシフルオレセインジアセテート（ｃａｒｂｏｘｙｆｌｕｏｒｅｓｃｅｉｎ　ｄｉａｃｅｔａｔｅ）、カルボキシジクロロフルオレセイン（ｃａｒｂｏｘｙｄｉｃｈｌｏｒｏｆｌｕｏｒｅｓｃｅｉｎ）、又はカルボキシジクロロフルオレセインジアセテート（ｃａｒｂｏｘｙｄｉｃｈｌｏｒｏｆｌｕｏｒｅｓｃｅｉｎ　ｄｉａｃｅｔａｔｅ）等を用いることができる。また、上述した蛍光色素の誘導体等を使用することも可能である。
　＜３．測定ユニットの構成＞
　続いて、図２及び図３を参照して、測定ユニット２０の具体的構成について説明する。図２及び図３は、図１に示す情報処理システムが備える測定ユニットを説明するブロック図である。
　図２及び図３に示すように、測定ユニット２０は、測定サンプルＳを標識する蛍光色素を励起可能な波長を有するレーザ光を射出するレーザ光源２１と、測定サンプルＳを一方向に通流させるフローセル２３と、レーザ光が照射された測定サンプルＳからの蛍光、りん光又は散乱光を受光する光検出器２５と、を備える。
　レーザ光源２１は、例えば、所定の波長のレーザ光を出射する半導体レーザ光源である。レーザ光源２１は、複数設けられてもよい。レーザ光源２１が複数設けられる場合、フローセル２３において、レーザ光源２１からのレーザ光が照射される位置は、同じであってもよく、異なっていてもよい。ただし、複数のレーザ光源２１からのレーザ光が異なる位置に照射される場合、測定サンプルＳからの光を異なる光検出器２５にて検出することができるため、近接波長の光を発する色素でも混色せずに測定することが可能になる。なお、レーザ光源２１から出射されるレーザ光は、パルス光又は連続光のいずれであってもよい。例えば、レーザ光源２１は、波長４８０ｎｍ又は波長６４０ｎｍのレーザ光をそれぞれ出射する複数の半導体レーザ光源であってもよい。
　フローセル２３は、複数の測定サンプルＳを一方向に整列させて通流させる流路である。具体的には、フローセル２３は、測定サンプルＳを分散させたシース液を層流として高速で流すことで、複数の測定サンプルＳを一方向に整列させて通流させる。
　光検出器２５は、レーザ光が照射された測定サンプルＳから発生する蛍光、りん光又は散乱光を光電変換することで、検出信号を取得する。
　例えば、図３に示すように、光検出器２５は、測定サンプルＳからの前方散乱光及び側方散乱光を含む散乱光ＬＳを検出するディテクタ２５３と、測定サンプルＳからの蛍光ＬＦを検出する受光素子アレイ２５１と、を含んでもよい。
　ディテクタ２５３は、例えば、ＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）イメージセンサ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサ又はフォトダイオードなどの公知の光電変換素子であってもよい。受光素子アレイ２５１は、例えば、検出する光の波長域が異なる独立した検出チャネルを複数配列することで構成され得る。具体的には、受光素子アレイ２５１は、検出する波長域が異なる複数のＰＭＴ（Ｐｈｏｔｏ　Ｍｕｌｔｉｐｌｉｅｒ　Ｔｕｂｅ）又はフォトダイオードを一次元等に配列させた受光素子アレイなどであってもよい。受光素子アレイ２５１は、プリズム又はグレーティングなどの分光素子によって、連続したスペクトルに分光された測定サンプルＳの蛍光を光電変換する。
　測定ユニット２０では、まず、レーザ光源２１から出射されたレーザ光がフローセル２３を通過する測定サンプルＳの各々に照射される。レーザ光が照射されることで測定サンプルＳは、散乱光及び蛍光（場合によっては、蛍光に替えてりん光）を発する。ここで、測定サンプルＳから発せられた散乱光は、ディテクタ２５３にて検出される。一方、測定サンプルＳから発せられた蛍光は、分光素子にて連続したスペクトルに分光された後、受光素子アレイ２５１にて検出される。
　上記の構成により、測定ユニット２０は、測定サンプルＳからの散乱光及び蛍光を測定し、測定結果を情報処理装置１０に出力することができる。
　＜４．情報処理装置の構成＞
　次に、図４を参照して、情報処理装置の具体的構成について説明する。図４は、図１に示す情報処理システムが備える情報処理装置を説明するブロック図である。
　本実施形態に係る情報処理システム１にて測定される測定サンプルＳは、例えば、様々な細胞集団が混在したサンプルであり得る。情報処理システム１は、測定サンプルＳに含まれる細胞集団の各々の特性の差異を、細胞集団を標識する蛍光の差異として検出することによって、細胞集団の各々を分類する。これにより、情報処理システム１は、測定サンプルＳに含まれる細胞集団の各々の種類及び含有量を検出することが可能である。
　ただし、情報処理システム１にて取得された測定サンプルＳの測定結果には、測定サンプルＳのばらつきに起因する誤差、及び測定ユニット２０に起因する誤差などが含まれてしまう。そのため、これらの誤差が大きい場合、測定サンプルＳに含まれる細胞集団の各々の分布が広がることで細胞集団の各々の境界が不鮮明となり、細胞集団の各々を適切に分離することが困難になる場合がある。
　本実施形態に係る情報処理装置１０は、以下で説明する構成によって、測定結果に含まれる上記の誤差を表す計算式を算出することができる。これにより、情報処理装置１０は、算出した計算式を用いることで、測定結果から誤差を除去したり、誤差を考慮したシミュレーション結果を算出したりすることが可能となる。
　以下では、図４を参照して、上述した効果を実現する情報処理装置１０の具体的構成について説明する。図４は、図１に示す情報処理システムが備える情報処理装置を説明するブロック図である。
　図４に示すように、情報処理装置１０は、データ取得部１０２と、データ補正部１０４と、出力部１０６と、表示制御部１０８と、誤差式生成部１１０と、シミュレーション部１１２と、入力部１１４と、データベース記憶部１２０と、を備える。
　入力部１１４は、ユーザ等によって入力された情報を取得する。具体的には、入力部１１４は、ユーザ等によって入力された測定サンプルＳの測定条件を取得してもよい。入力部１１４は、例えば、タッチパネル、キーボード、マウス、ボタン、マイクロフォン、スイッチ又はレバーなどの情報が入力される入力装置と、入力された情報に基づいて入力信号を生成する入力制御回路と、を含んで構成されてもよい。
　ここで、測定条件とは、具体的には、測定サンプルＳに含まれる細胞の種類、該細胞が有する抗原の種類、該抗原と結合する抗体の種類、又は該抗体と結合する蛍光色素（すなわち、標識）の種類に関する情報を含み得る。例えば、測定条件は、図５に示すような情報であってもよい。図５は、入力部１１４に入力される測定条件の一例を示す表である。
　図５に示すように、測定条件では、例えば、「細胞種」として種々の血球系細胞の種類が入力されてもよい。また、「細胞種」で示された細胞の表面に存在する抗原が「抗原」としてそれぞれ入力されてもよい。さらに、「抗原」にそれぞれ結合する抗体の種類が「抗体」として入力されてもよく、「抗体」にそれぞれ結合させる蛍光色素の名称が「色素」として入力されてもよい。
　なお、情報処理装置１０において、誤差を考慮した測定結果のシミュレーションが実行される場合、上述したこれらの測定条件のうち、例えば、「抗原」、「抗体」又は「色素」の少なくともいずれかの一部又は全部は、入力されていなくともよい。
　このような場合、情報処理装置１０は、入力されていない条件には候補となる条件を複数設定することで、候補となる条件を入力したそれぞれの場合について、誤差を考慮した測定結果のシミュレーションを実行してもよい。その後、情報処理装置１０は、例えば、候補となる条件の中で、誤差が小さくなる条件の組み合わせ（例えば、抗原、抗体及び色素の種類の組み合わせ）をランキング形式で出力してもよい。なお、誤差が小さくなる条件の組み合わせを抽出するアルゴリズムとしては、例えば、機械学習によるアルゴリズムを用いてもよい。
　ここで、測定サンプルＳには、複数の細胞種が含まれる。情報処理システム１は、複数の細胞種ごとに複数の抗原を異なる抗体及び色素で染色することで、測定サンプルＳに含まれる複数の細胞種を分類して検出することができる。
　例えば、抗原、抗体及び色素の種類の組み合わせを検討する場合、発現量の少ない抗原には、より明るい色素を割り当てることで検出感度を向上させることが基本的な考え方である。また、複数の抗原の染色に近接波長の光を発する色素の組み合わせを使用する場合、同一レーザによる検出系（同一デッキとも称される）にて近接波長の各光を分離して検出することは、スペクトルのオーバーラップのために困難となる。そのため、複数の抗原の染色に使用する色素の組み合わせには、別のレーザによる検出系（別デッキとも称される）を割り当てることが求められる。
　したがって、多色検出を行うフローサイトメータでは、抗原、抗体及び色素の種類の膨大な数の組み合わせの中から、検出結果の誤差が小さくなる組み合わせを決定する際に、膨大な作業量及び時間が必要であった。本実施形態に係る情報処理装置１０によれば、検出結果の誤差が小さくなるように抗原、抗体及び色素の種類の組み合わせを最適化する際に掛かる作業量及び時間を大幅に削減することが可能である。
　誤差式生成部１１０は、測定条件に基づいて、測定ユニット２０の測定結果に影響を及ぼす各パラメータのばらつきを抽出し、測定結果に含まれる誤差量を表す計算式を生成する。
　例えば、測定ユニット２０による測定結果は、以下の各パラメータのばらつきによる誤差をそれぞれ含み得る。したがって、測定ユニット２０にて取得される測定結果は、以下の各パラメータのばらつきを足し合わせた誤差を含むものとなる。
　具体的には、測定ユニット２０にて取得される蛍光の強度又はスペクトルは、細胞の個体差による抗原の発現量のばらつき、抗原に結合する抗体の親和性のばらつき、蛍光色素の種類による光量のばらつき、蛍光色素の分解等による光量のばらつき、蛍光色素の光量に起因するフォトンショットノイズ、又は測定ユニット２０の光検出器２５にて生じる電気的ノイズ等による影響を受け得る。
　また、複数のレーザ光を照射された測定サンプルＳが複数の蛍光を発する場合、測定ユニット２０にて取得される蛍光の強度又はスペクトルは、複数のレーザ光及び蛍光の相互影響を受けることがある。
　例えば、測定サンプルＳに結合する蛍光色素は、波長によっては、励起源であるレーザ光以外のレーザ光によっても励起され、蛍光を発することがある。このような場合、測定ユニット２０にて取得される蛍光の強度は、励起源以外のレーザ光に起因する蛍光を含むため、該蛍光による誤差を含んでしまう。また、測定サンプルＳに結合する蛍光色素は、所定の波長の蛍光のみを発するのではなく、所定の波長を中心とする波長分布を有する蛍光を発する。そのため、測定ユニット２０にて取得される蛍光の強度は、他の蛍光色素の波長分布の漏れ込みを含むため、該漏れ込みによる誤差を含んでしまう。
　そこで、誤差式生成部１１０は、データベースから、測定条件に対応する上述した各パラメータのばらつきを検索することで、測定ユニット２０にて取得される測定結果に含まれる誤差量を表す計算式を生成する。
　具体的には、まず、誤差式生成部１１０は、入力された測定条件に基づいて、測定結果に影響を及ぼす各パラメータのばらつきを示す実績データをデータベース記憶部１２０に記憶されたデータベースからそれぞれ抽出する。実績データとは、様々な測定条件における各パラメータのばらつきを示すデータであり、実験、シミュレーション又は理論的な予測などによって得ることができる。例えば、誤差式生成部１１０は、入力された測定条件に最も近い測定条件で測定した際の測定結果（実績データ）をデータベースから検索し、検索した測定結果をデータベースから抽出してもよい。
　次に、誤差式生成部１１０は、データベースから抽出したそれぞれの実績データから誤差量を表す計算式を生成する。例えば、誤差式生成部１１０は、検索した実績データが示すばらつきに対してフィッティングする曲線を表す計算式を生成することで、誤差量を表す計算式を生成してもよい。その後、誤差式生成部１１０は、生成した計算式を足し合わせることで、測定結果に含まれる誤差量を表す計算式を生成する。
　なお、誤差式生成部１１０は、少なくとも１つ以上のパラメータのばらつきを示す実績データをデータベースから検索すればよい。誤差式生成部１１０によって実績データが検索されるパラメータの数は特に限定されない。
　実績データから誤差量を表す計算式を生成するための方法は、最小二乗法等の公知の方法を用いることができるが、例えば、機械学習を用いた方法を用いてもよい。機械学習としては、具体的には、強化学習、深層学習、ニューラルネットワーク、サポートベクターマシン（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ：ＳＶＭ）、遺伝的アルゴリズム（Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ：ＧＡ）、又はベイズ推定等を単独又は適宜組み合わせて用いることが可能である。
　データベース記憶部１２０は、測定ユニット２０にて取得される測定結果に影響を及ぼす各パラメータのばらつきを理論的又は実験的に示す実績データを集積したデータベースを記憶する。
　具体的には、データベース記憶部１２０に記憶されるデータベースは、例えば、様々な測定条件に対する各パラメータのばらつきを示す実験データ、シミュレーションデータ、及び理論的な予測データなどを集積したデータの集合体であってもよい。
　ここで、図６を参照して、データベース記憶部１２０が記憶するデータベースについて説明する。図６は、データベース記憶部１２０が記憶するデータベースの具体例を示すブロック図である。
　図６に示すように、例えば、データベース記憶部１２０は、抗原発現量ＤＢ（Ｄａｔａ　Ｂａｓｅ）１２１、抗体親和性ＤＢ１２２、色素光量分布ＤＢ１２３、フォトンショットノイズＤＢ１２４、近接波長漏れ込みＤＢ１２５及び励起波長別光量ＤＢ１２５を記憶してもよい。
　抗原発現量ＤＢ１２１は、例えば、細胞の種類に対する抗原の各々の発現量の分布を示すデータを集積したデータベースである。抗原発現量ＤＢ１２１は、同種類の細胞の個体差に対する抗原の各々の発現量の分布を示すデータについても集積していてもよい。なお、同種類の細胞の個体差に対する抗原の各々の発現量の分布は、一般的には、Ｓｋｅｗｅｄガウス分布に従うことが知られているため、抗原発現量ＤＢ１２１は、Ｓｋｅｗｅｄガウス分布を記憶していてもよい。
　抗体親和性ＤＢ１２２は、例えば、抗原の種類に対する各抗体の親和性の分布を示すデータを集積したデータベースである。色素光量分布ＤＢ１２３は、例えば、蛍光色素の種類に対する光量分布を示すデータを集積したデータベースである。フォトンショットノイズ１２４は、例えば、蛍光色素の光量に対する光検出器２５のフォトンショットノイズの程度を示すデータを集積したデータベースである。近接波長漏れ込みＤＢ１２５は、例えば、測定ユニット２０が異なる波長の複数の蛍光を検出する場合に、複数の蛍光の各々の波長分布の一部が互いに漏れ込む度合を示すデータを集積したデータベースである。励起波長別光量ＤＢ１２６は、例えば、励起波長の各々に対する蛍光色素の光量を示すデータを集積したデータベースである。励起波長別光量ＤＢ１２６によれば、複数のレーザ光にて複数の蛍光色素を励起する場合に、励起源ではないレーザ光によって蛍光色素がどの程度蛍光を発してしまうかを判断することができる。
　なお、データベース記憶部１２０は、上記で例示したデータベース以外に、測定結果に影響を及ぼす他のパラメータのばらつきに関するデータを集積したデータベースを記憶していてもよいことは言うまでもない。また、データベース記憶部１２０は、情報処理装置１０の内部に設けられていてもよいが、情報処理装置１０とネットワーク等を介して接続された外部機器に設けられていてもよい。
　シミュレーション部１１２は、誤差式生成部１１０が生成した計算式に基づいて、測定サンプルＳの測定結果のシミュレーションを行う。具体的には、シミュレーション部１１２は、測定サンプルＳに含まれる細胞の種類について、細胞種の各々の抗原発現量の分布と、誤差量の計算式と、乱数とを用いてモンテカルロシミュレーションを行うことで、測定サンプルＳの測定結果のシミュレーションデータを生成する。その後、シミュレーション部１１２は、生成されたシミュレーションデータに対して、任意のクラスタリングアルゴリズムを適用することによって、シミュレーションデータの細胞集団の各々を分類する。
　さらに、シミュレーション部１１２は、任意のクラスタリングアルゴリズムによって、シミュレーションデータがどのような精度及び正確度で細胞集団の各々を分類することができたかの度合を評価してもよい。例えば、シミュレーション部１１２は、入力された測定条件によって、測定サンプルＳに含まれる細胞集団の各々を分類することができるか否かを評価してもよい。シミュレーション部１１２は、シミュレーションデータにおける細胞の各々の分類の精度及び正確度を０～１００の点数（数値が大きい方が高精度及び高正確度であるとする）にて評価してもよい。また、シミュレーション部１１２は、シミュレーションデータにおける細胞の各々の分類の精度及び正確度に基づいて、測定条件の妥当性を評価してもよい。
　加えて、シミュレーション部１１２は、誤差要因となる各パラメータのばらつきについて、それぞれのパラメータのばらつきが最終的な測定結果の誤差に寄与する度合を評価してもよい。誤差要因となる各パラメータのばらつきが最終的な測定結果の誤差に寄与する度合は、例えば、誤差式生成部１１０での誤差を表す計算式の生成時に評価することが可能である。そこで、シミュレーション部１１２は、測定結果に含まれる誤差の改善を促すために、誤差要因となる各パラメータの中から最終的な測定結果に含まれる誤差に最も寄与するパラメータを抽出し、抽出したパラメータを提示してもよい。また、シミュレーション部１１２は、誤差要因となる各パラメータのばらつきが最終的な測定結果の誤差に寄与する度合を、パラメータごとに提示してもよい。
　なお、シミュレーション部１１２が行うシミュレーションの具体的なアルゴリズムは、上記の方法以外の公知の方法を用いてもよい。例えば、シミュレーション部１１２は、モンテカルロシミュレーション以外のシミュレーション方法で、測定サンプルＳの測定結果のシミュレーションデータを生成してもよい。また、シミュレーション部１１２は、クラスタリングアルゴリズム以外の分類器で、シミュレーションデータの細胞集団の各々の分類を行ってもよい。
　データ取得部１０２は、測定サンプルＳの測定結果を測定ユニット２０から取得する。具体的には、データ取得部１０２は、測定サンプルＳが発する蛍光の強度又はスペクトルに関する測定結果を測定ユニット２０から取得する。データ取得部１０２は、例えば、測定ユニット２０と接続するための接続ポート又は通信装置で構成された外部入力インタフェースを含んで構成されてもよい。データ取得部１０２は、無線又は有線のいずれにて測定ユニット２０から情報を取得してもよい。
　データ補正部１０４は、測定サンプルＳの測定結果を誤差式生成部１１０が生成した計算式に基づいて補正する。具体的には、データ補正部１０４は、測定サンプルＳが発する蛍光のスペクトル又は強度に関する測定結果から、誤差式生成部１１０が生成した計算式で表される誤差を除去する。例えば、データ補正部１０４は、測定サンプルＳの測定結果を真値の測定結果を表す関数と、誤差を表す関数との合成関数であるとみなし、誤差式生成部１１０が生成した計算式を用いて、測定サンプルＳの測定結果から誤差を表す関数を除去してもよい。これによれば、データ補正部１０４は、測定サンプルＳの測定結果を補正することで、よりばらつきが少なく、正確度が高い測定結果を得ることが可能である。
　出力部１０６は、シミュレーション部１１２による予測結果、又はデータ補正部１０４による補正後の測定結果を、表示制御部１０８、外部機器又はメディア等に出力する。出力部１０６は、例えば、各種記憶媒体への書き込み装置、又は外部機器と接続するための接続ポート若しくは通信装置で構成された外部出力インタフェースを含んで構成されてもよい。例えば、出力部１０６は、プリンタ等の出力装置を介して、情報を印刷物としてユーザに出力してもよく、ディスプレイ等の表示装置を介して、情報を画像としてユーザに出力してもよい。
　表示制御部１０８は、出力部１０６から出力された情報を情報処理装置１０が備える表示装置、又は情報処理装置１０の外部に設けられた表示装置に表示される表示画面を制御する。例えば、表示制御部１０８は、出力部１０６が出力した測定結果又はシミュレーション結果を情報処理システム１のユーザに提示するための画像を生成及び制御することで、該画像をディスプレイ等の表示装置に表示させる。
　以上にて、本実施形態に係る情報処理装置１０の具体的構成の一例を説明した。後述するように、本実施形態に係る情報処理装置１０による構成は、ソフトウェアとハードウェアとの協働による情報処理によって実現される。
　このような情報処理装置１０によれば、誤差が補正されることで精度及び正確度がより高くなった測定結果を得ることができるため、測定結果に基づいて新たな知見が見出せる可能性を向上させることができる。また、情報処理装置１０は、測定条件に対する測定結果を、誤差を考慮したシミュレーションデータとして予測することができるため、最適な測定条件をあらかじめシミュレーションによって探索することができる。これによれば、ユーザは、測定条件を精査するための検体、時間及び試薬等を節約することができる。また、情報処理装置１０は、測定結果に含まれる誤差を閾値以下に低減することができるため、測定の再現性及び定量性を向上させることができる。
　＜５．情報処理方法の流れ＞
　次に、図７及び図８を参照して、情報処理装置１０が実行する情報処理方法の流れについて、第１の例（測定結果のシミュレーション方法）及び第２の例（測定結果の補正方法）に分けて説明する。図７は、情報処理方法の第１の例を説明するフローチャート図であり、図８は、情報処理方法の第２の例を説明するフローチャート図である。
　（５．１．第１の例）
　まず、図７を参照して、情報処理方法の第１の例について説明する。本実施形態に係る情報処理方法の第１の例は、生成した誤差を表す計算式を用いて、測定結果をシミュレーションする方法である。
　図７に示すように、第１の例では、まず、情報処理装置１０は、入力部１１４を介して入力された測定条件を取得する（Ｓ１０１）。なお、測定条件とは、図５で示したような細胞の種類、抗原の種類、抗体の種類及び蛍光色素の種類を含む。
　続いて、誤差式生成部１１０は、入力された測定条件を用いて、測定条件に対応する誤差分布を各種データベースから検索する（Ｓ１０２）。その後、誤差式生成部１１０は、検索した誤差分布に基づいて誤差量の計算式を生成する（Ｓ１０３）。
　具体的には、まず、誤差式生成部１１０は、測定対象の細胞の各々に対する各抗原の発現量の分布をデータベース（例えば、抗原発現量ＤＢ１２１）から検索する。次に、誤差式生成部１１０は、各抗原に対する抗体の種類に関する情報を用いて、抗原に対する抗体の相対結合率分布（すなわち、平均結合率との比で表した分布）をデータベース（例えば、抗体親和性ＤＢ１２２）から検索する。続いて、誤差式生成部１１０は、各抗原に対する蛍光色素の種類に関する情報を用いて、蛍光色素の光量の相対強度分布（すなわち、平均光量との比で表した分布）をデータベース（例えば、色素光量分布ＤＢ１２３）から検索する。その後、誤差式生成部１１０は、抗原の発現量分布、抗原と抗体との相対結合率分布と、蛍光色素の光量の相対強度分布とを用いて、蛍光色素の光量の絶対値分布を算出する。さらに、誤差式生成部１１０は、算出した蛍光色素の光量の絶対値分布を用いて、光量に応じたフォトンショットノイズ分布をデータベース（例えば、フォトンショットノイズＤＢ１２４）から検索する。
　また、複数のレーザ光を用いて複数の蛍光色素を励起している場合、誤差式生成部１１０は、抗原に対する蛍光色素の種類に関する情報を用いて、近接波長の蛍光色素からの蛍光の漏れ込み量の分布をデータベース（例えば、近接波長漏れ込みＤＢ１２５）から検索する。さらに、誤差式生成部１１０は、抗原に対する蛍光色素の種類に関する情報を用いて、励起源以外のレーザ光で励起される蛍光色素の光量分布をデータベース（例えば、励起波長別光量ＤＢ１２６）から検索する。その後、誤差式生成部１１０は、抗原と抗体との相対結合率分布と、蛍光色素の光量の相対強度分布と、フォトンショットノイズ分布と、蛍光の漏れ込み量の分布と、励起源以外で励起される蛍光色素の光量分布とを用いて、測定結果全体での誤差量を表す計算式を生成する。
　続いて、シミュレーション部１１２は、抗原発現量分布、誤差量の計算式及び乱数を用いて、シミュレーションを実行する（Ｓ１０４）。具体的には、シミュレーション部１１２は、測定対象の細胞の各々に対する各抗原の発現量の分布と、生成した測定結果全体での誤差量を表す計算式と、乱数とを用いて、モンテカルロシミュレーションを行い、測定結果のシミュレーションデータを生成する。
　その後、シミュレーション部１１２は、生成した測定結果のシミュレーションデータに対してクラスタリングを行うことで、測定対象の細胞集団の分類を行う（Ｓ１０５）。具体的には、シミュレーション部１１２は、測定結果のシミュレーションデータにて現れるピーク又は細胞集団がいずれの細胞集団に該当するのかを判断する。
　そして、情報処理装置１０は、出力部１０６を介して、シミュレーション結果をユーザに対して提示する（Ｓ１０６）。具体的には、情報処理装置１０は、出力部１０６を介して、測定結果のシミュレーションデータ、シミュレーション部１１２によるクラスタリング結果、誤差量の計算式、及び主要な誤差要因となる測定条件等の情報をユーザに対して出力する。
　（５．２．第２の例）
　次に、図８を参照して、情報処理方法の第２の例について説明する。本実施形態に係る情報処理方法の第２の例は、生成した誤差を表す計算式を用いて、測定ユニット２０によって測定された測定結果を補正する方法である。
　図８に示すように、第２の例では、まず、測定ユニット２０によって、測定サンプルＳの測定が行われる（Ｓ１１１）。具体的には、測定ユニット２０は、フローセル２３を通過するサンプルの各々にレーザ光を照射することで、サンプルの各々からの散乱光及び蛍光を検出する。続いて、誤差式生成部１１０は、測定サンプルＳの測定条件を用いて、測定条件に対応する誤差分布を各種データベースから検索し（Ｓ１１２）、検索した誤差分布に基づいて誤差量の計算式を生成する（Ｓ１１３）。なお、誤差量を表す計算式の生成方法は、第１の例で説明したとおりであるためここでの説明は省略する。
　続いて、データ補正部１０４は、生成された誤差量を表す計算式を用いて、測定ユニット２０によって取得された測定結果を補正する。具体的には、データ補正部１０４は、誤差量を表す計算式の逆写像を生成し、生成した逆写像で測定結果を表す関数を処理することで、誤差が除去された測定結果を生成してもよい。その後、情報処理装置１０は、出力部１０６を介して、誤差が除去された測定結果をユーザに対して提示する（Ｓ１１５）。
　＜６．実施例＞
　続いて、情報処理方法の第１の例について、図９を参照してより具体的な実施例を例示して説明する。図９は、情報処理方法の第１の例の実施例を説明するブロック図である。
　図９に示すように、まず、情報処理装置１０は、抗原に対する抗体の親和性に関する情報を集積したデータベース、蛍光色素の光量分布に関する情報を集積したデータベース、光量に応じたフォトンショットノイズに関する情報を集積したデータベース、近接波長の蛍光色素からの蛍光の漏れ込み量に関する情報を集積したデータベース、励起波長別の蛍光色素の光量に関する情報を集積したデータベース、及び測定ユニット２０の装置固有のノイズに関する情報を集積したデータベースを用いて、測定結果全体での誤差量を表す計算式を生成する。具体的には、情報処理装置１０は、入力された測定条件に基づいて、これらのデータベースを検索することで、抗原と抗体との相対結合率分布、蛍光色素の光量の相対強度分布、フォトンショットノイズ分布、蛍光の漏れ込み量の分布、励起源以外で励起される蛍光色素の光量分布、及び測定ユニット２０の装置固有のノイズを抽出する。続いて、情報処理装置１０は、抽出した各種誤差分布に基づいて、測定結果全体での誤差量を表す計算式を生成する。
　次に、情報処理装置１０は、生成した誤差量の計算式、測定ユニット２０の装置情報、並びに測定対象の細胞及び蛍光標識試薬の情報などを用いて、測定結果のシミュレーションを実行する。具体的には、情報処理装置１０は、生成した誤差量の計算式、測定ユニット２０の装置起因のばらつき分布、細胞ごとの抗原発現量分布、測定対象の細胞及び蛍光標識試薬の種類、並びに乱数を用いてモンテカルロシミュレーションを行うことで、測定結果のシミュレーションデータを生成する。
　ここで、測定ユニット２０の装置起因のばらつき分布は、例えば、励起光量のばらつき、及び検出器のゲインの変換効率のばらつきである。励起光量のばらつき、及び検出器のゲインの変換効率のばらつきは、測定ユニット２０の装置設定情報に基づいて、励起光量及び検出器のゲインの変換効率に関する情報を集積したデータベースを検索することで取得され得る。細胞ごとの抗原発現量分布は、測定対象である細胞の種類に基づいて、細胞の種類に対する各抗原の発現量分布に関する情報を集積したデータベースを検索することで取得され得る。測定対象である細胞の種類は、例えば、測定対象細胞としてユーザから入力された情報を参照することで取得されてもよい。
　続いて、情報処理装置１０は、生成した測定結果のシミュレーションデータをクラスタリングすることで、測定対象の細胞を細胞集団ごとに分類する。具体的には、情報処理装置１０は、測定結果のシミュレーションデータにて現れるピーク又は集団がいずれの細胞集団に該当するのかを判断し、測定対象の細胞のピーク又は集団を該当する細胞集団にそれぞれ分類する。
　さらに、情報処理装置１０は、クラスタリング等を行うことで細胞集団を同定したシミュレーション結果をユーザに提示する。このとき、情報処理装置１０は、シミュレーション結果に加えて、誤差量の計算式、及び誤差要因となる測定条件等の情報をユーザに提示してもよい。
　情報処理方法の第１の例の実施例によれば、情報処理装置１０は、測定ユニット２０の装置固有のノイズ等の誤差要因を考慮して、測定全体の誤差量を表す計算式を生成することができる。また、情報処理装置１０は、測定ユニット２０の装置設定に起因するばらつき等の誤差要因を考慮して、測定結果のシミュレーションを行うことができる。これによれば、情報処理装置１０は、より精度及び正確度が高いシミュレーション結果を得ることが可能である。
　＜７．ハードウェア構成＞
　続いて、図１０を参照して、本実施形態に係る情報処理装置１０のハードウェア構成について説明する。図１０は、本実施形態に係る情報処理装置１０のハードウェア構成の一例を示したブロック図である。
　図１０に示すように、情報処理装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）９０３と、ブリッジ９０７と、内部バス９０５及び９０６と、インタフェース９０８と、入力装置９１１と、出力装置９１２と、ストレージ装置９１３と、ドライブ９１４と、接続ポート９１５と、通信装置９１６と、を備える。
　ＣＰＵ９０１は、演算処理装置及び制御装置として機能し、ＲＯＭ９０２等に記憶された各種プログラムに従って、情報処理装置１０の動作全般を制御する。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラム、演算パラメータを記憶し、ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。例えば、ＣＰＵ９０１は、データ補正部１０４、誤差式生成部１１０及びシミュレーション部１１２の機能を実行してもよい。
　これらＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、ブリッジ９０７、内部バス９０５及び９０６等により相互に接続されている。また、ＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、インタフェース９０８を介して入力装置９１１、出力装置９１２、ストレージ装置９１３、ドライブ９１４、接続ポート９１５及び通信装置９１６とも接続されている。
　入力装置９１１は、タッチパネル、キーボード、マウス、ボタン、マイクロフォン、スイッチ又はレバーなどの情報が入力される入力装置を含む。また、入力装置９１１は、入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力するための入力制御回路なども含む。例えば、入力装置９１１は、入力部１１４の機能を実行してもよい。
　出力装置９１２は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ　Ｒａｙ　Ｔｕｂｅ）表示装置、液晶表示装置又は有機ＥＬ（Ｏｒｇａｎｉｃ　ＥｌｅｃｔｒｏＬｕｍｉｎｅｓｃｅｎｃｅ）表示装置などの表示装置を含む。さらに、出力装置９１２は、スピーカ又はヘッドホンなどの音声出力装置を含んでもよい。例えば、出力装置９１２は、出力部１０６及び表示制御部１０８の機能を実行してもよい。
　ストレージ装置９１３は、情報処理装置１０のデータ格納用の記憶装置である。ストレージ装置９１３は、記憶媒体、記憶媒体にデータを記憶する記憶装置、記憶媒体からデータを読み出す読み出し装置、及び記憶されたデータを削除する削除装置を含んでもよい。例えば、ストレージ装置９１３は、データベース記憶部１２０の機能を実行してもよい。
　ドライブ９１４は、記憶媒体用リードライタであり、情報処理装置１０に内蔵又は外付けされる。例えば、ドライブ９１４は、装着されている磁気ディスク、光ディスク、光磁気ディスク又は半導体メモリ等のリムーバブル記憶媒体に記憶されている情報を読み出し、ＲＡＭ９０３に出力する。ドライブ９１４は、リムーバブル記憶媒体に情報を書き込むことも可能である。
　接続ポート９１５は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）ポート、イーサネット（登録商標）ポート、ＩＥＥＥ８０２．１１規格ポート又は光オーディオ端子等のような外部接続機器を接続するための接続ポートで構成された接続インタフェースである。
　通信装置９１６は、例えば、ネットワーク９２０に接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１６は、有線又は無線ＬＡＮ対応通信装置であってもよく、有線によるケーブル通信を行うケーブル通信装置であってもよい。通信装置９１６及び接続ポート９１５は、データ取得部１０２及び出力部１０６の機能を実行してもよい。
　なお、情報処理装置１０に内蔵されるＣＰＵ、ＲＯＭ及びＲＡＭなどのハードウェアに対して、上述した本実施形態に係る情報処理装置の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、該コンピュータプログラムを記憶させた記憶媒体も提供することが可能である。
　＜８．まとめ＞
　以上にて説明したように、本開示の一実施形態に係る情報処理装置１０は、測定結果及びシミュレーション結果を多数集積したデータベースを用いることで、測定条件に基づいて、測定結果に現れる誤差量を定量的に表す計算式を生成することが可能である。
　これによれば、情報処理システム１は、測定結果の誤差を補正することで、より精度及び正確度が高い測定結果を得ることができる。また、情報処理システム１は、測定条件に対する測定結果をシミュレーションによって予測することができるため、誤差が小さい測定条件をシミュレーションによって探索することができる。これによれば、ユーザは、測定条件を精査するための検体、時間及び試薬等を節約することが可能であり、より効率的に所望の測定データを得ることが可能である。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　例えば、上記実施形態では、情報処理システム１は、セルアナライザであるとして説明したが、本技術はかかる例に限定されない。例えば、情報処理システム１は、細胞の分取部を備えるセルソータであってもよい。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）
　粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
　抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
を備える、情報処理装置。
（２）
　前記計算式を用いて、検出された前記蛍光の強度を補正するデータ補正部をさらに備える、前記（１）に記載の情報処理装置。
（３）
　前記計算式を用いて、前記蛍光の強度を予測するシミュレーション部をさらに備える、前記（１）又は（２）に記載の情報処理装置。
（４）
　前記シミュレーション部は、予測された前記蛍光の強度に基づいて前記粒子の種類をさらに分類する、前記（３）に記載の情報処理装置。
（５）
　前記シミュレーション部は、前記分類の妥当性をさらに評価する、前記（４）に記載の情報処理装置。
（６）
　前記シミュレーション部は、評価した前記分類の妥当性に基づいて前記測定条件の妥当性をさらに評価する、前記（５）に記載の情報処理装置。
（７）
　前記シミュレーション部は、前記蛍光の強度の誤差量に対する前記パラメータの各々のばらつきの寄与度をさらに評価する、前記（３）～（６）のいずれか一項に記載の情報処理装置。
（８）
　前記シミュレーション部は、前記蛍光の強度の誤差量の度合を評価する、前記（３）～（７）のいずれか一項に記載の情報処理装置。
（９）
　前記演算部は、機械学習に基づいて前記計算式の生成を行う、前記（１）～（８）のいずれか一項に記載の情報処理装置。
（１０）
　前記粒子は、細胞である、前記（１）～（９）のいずれか一項に記載の情報処理装置。
（１１）
　前記測定条件は、前記細胞の種類、前記細胞が有する抗原の種類、前記抗原と結合する抗体の種類、又は前記抗体と結合する蛍光色素の種類の少なくともいずれか１つ以上を含む、前記（１０）に記載の情報処理装置。
（１２）
　前記パラメータは、前記細胞の種類における前記抗原の発現量、前記抗原に対する前記抗体の親和性、又は前記蛍光色素の光量の少なくとも１つ以上を含む、前記（１１）に記載の情報処理装置。
（１３）
　前記粒子は、複数の光線が照射されることで、対応する複数の蛍光をそれぞれ出射し、
　前記パラメータは、対応しない光線による前記蛍光色素の励起量、又は複数の蛍光の相互の漏れ込みの少なくともいずれかをさらに含む、前記（１１）又は（１２）に記載の情報処理装置。
（１４）
　移動する前記粒子に光線を照射し、前記粒子からの蛍光を検出するフローサイトメータ部をさらに備える、前記（１）～（１３）のいずれか一項に記載の情報処理装置。
（１５）
　演算処理装置を用いて、
　粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出することと、
　抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成することと、
を含む、情報処理方法。
（１６）
　コンピュータを
　粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
　抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
として機能させる、プログラム。
　Ｓ　　　　測定サンプル
　１　　　　情報処理システム
　１０　　　情報処理装置
　２０　　　測定ユニット
　２１　　　レーザ光源
　２３　　　フローセル
　２５　　　光検出器
　１０２　　データ取得部
　１０４　　データ補正部
　１０６　　出力部
　１０８　　表示制御部
　１１０　　誤差式生成部
　１１２　　シミュレーション部
　１１４　　入力部
　１２０　　データベース記憶部

Claims (16)

  1. 　粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
    　抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
    を備える、情報処理装置。
  2. 　前記計算式を用いて、検出された前記蛍光の強度を補正するデータ補正部をさらに備える、請求項１に記載の情報処理装置。
  3. 　前記計算式を用いて、前記蛍光の強度を予測するシミュレーション部をさらに備える、請求項１に記載の情報処理装置。
  4. 　前記シミュレーション部は、予測された前記蛍光の強度に基づいて前記粒子の種類をさらに分類する、請求項３に記載の情報処理装置。
  5. 　前記シミュレーション部は、前記分類の妥当性をさらに評価する、請求項４に記載の情報処理装置。
  6. 　前記シミュレーション部は、評価した前記分類の妥当性に基づいて前記測定条件の妥当性をさらに評価する、請求項５に記載の情報処理装置。
  7. 　前記シミュレーション部は、前記蛍光の強度の誤差量に対する前記パラメータの各々のばらつきの寄与度をさらに評価する、請求項３に記載の情報処理装置。
  8. 　前記シミュレーション部は、前記蛍光の強度の誤差量の度合を評価する、請求項３に記載の情報処理装置。
  9. 　前記演算部は、機械学習に基づいて前記計算式の生成を行う、請求項１に記載の情報処理装置。
  10. 　前記粒子は、細胞である、請求項１に記載の情報処理装置。
  11. 　前記測定条件は、前記細胞の種類、前記細胞が有する抗原の種類、前記抗原と結合する抗体の種類、又は前記抗体と結合する蛍光色素の種類の少なくともいずれか１つ以上を含む、請求項１０に記載の情報処理装置。
  12. 　前記パラメータは、前記細胞の種類における前記抗原の発現量、前記抗原に対する前記抗体の親和性、又は前記蛍光色素の光量の少なくとも１つ以上を含む、請求項１１に記載の情報処理装置。
  13. 　前記粒子は、複数の光線が照射されることで、対応する複数の蛍光をそれぞれ出射し、
    　前記パラメータは、対応しない光線による前記蛍光色素の励起量、又は複数の蛍光の相互の漏れ込みの少なくともいずれかをさらに含む、請求項１１に記載の情報処理装置。
  14. 　移動する前記粒子に光線を照射し、前記粒子からの蛍光を検出するフローサイトメータ部をさらに備える、請求項１に記載の情報処理装置。
  15. 　演算処理装置を用いて、
    　粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出することと、
    　抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成することと、
    を含む、情報処理方法。
  16. 　コンピュータを
    　粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
    　抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
    として機能させる、プログラム。
PCT/JP2018/022092 2017-08-08 2018-06-08 情報処理装置、情報処理方法及びプログラム WO2019031048A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP18842889.0A EP3667290A4 (en) 2017-08-08 2018-06-08 INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING PROCESS AND PROGRAM
JP2019534997A JP7010293B2 (ja) 2017-08-08 2018-06-08 情報処理装置、情報処理方法及びプログラム
US16/635,827 US11561161B2 (en) 2017-08-08 2018-06-08 Information processing apparatus, information processing method, and program
CN201880050074.2A CN111033222B (zh) 2017-08-08 2018-06-08 信息处理设备、信息处理方法以及程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-152894 2017-08-08
JP2017152894 2017-08-08

Publications (1)

Publication Number Publication Date
WO2019031048A1 true WO2019031048A1 (ja) 2019-02-14

Family

ID=65271438

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/022092 WO2019031048A1 (ja) 2017-08-08 2018-06-08 情報処理装置、情報処理方法及びプログラム

Country Status (5)

Country Link
US (1) US11561161B2 (ja)
EP (1) EP3667290A4 (ja)
JP (1) JP7010293B2 (ja)
CN (1) CN111033222B (ja)
WO (1) WO2019031048A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115398211A (zh) * 2020-04-20 2022-11-25 索尼集团公司 信息处理系统、信息处理方法、程序、信息处理装置和计算装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4622468A (en) * 1985-07-15 1986-11-11 Sequoia-Turner Corporation Fluorescence intensity compensation method and device
JP2003083894A (ja) * 2001-09-14 2003-03-19 Sumitomo Electric Ind Ltd 蛍光値補正方法、蛍光値補正装置、蛍光値補正プログラム及び前記蛍光値補正プログラムを記録した記録媒体
JP2012018108A (ja) * 2010-07-09 2012-01-26 Sony Corp 蛍光強度補正方法及び蛍光強度算出装置
JP2012052985A (ja) * 2010-09-03 2012-03-15 Sony Corp 蛍光強度補正方法及び蛍光強度算出装置
JP2015025824A (ja) * 2014-11-07 2015-02-05 ソニー株式会社 微小粒子測定装置
JP5772425B2 (ja) 2011-09-13 2015-09-02 ソニー株式会社 微小粒子測定装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1608963B1 (en) 2003-03-28 2009-12-30 Inguran, LLC Apparatus and methods for providing sex-sorted animal sperm
AU2003903417A0 (en) 2003-07-04 2003-07-17 Genera Biosystems Pty Ltd Multiplex detection
JP4304120B2 (ja) 2004-04-30 2009-07-29 ベイバイオサイエンス株式会社 生物学的粒子をソーティングする装置及び方法
WO2006088047A1 (ja) 2005-02-15 2006-08-24 Mitsui Engineering & Shipbuilding Co., Ltd. 蛍光検出装置及び蛍光検出方法
JP4893194B2 (ja) 2006-09-27 2012-03-07 東レ株式会社 解析装置、および補正方法
DE102008011013B4 (de) 2008-02-25 2014-11-13 Mevitec Gmbh Verfahren und Einrichtung zur komplexen Stoffwechselanalyse
US20130226469A1 (en) * 2008-04-01 2013-08-29 Purdue Research Foundation Gate-free flow cytometry data analysis
EP2390655A1 (en) 2009-01-22 2011-11-30 Mitsui Engineering & Shipbuilding Co., Ltd. Fluorescence detecting device and fluorescence detecting method
US8524505B2 (en) 2009-07-03 2013-09-03 Sysmex Corporation Blood analyzer and blood analyzing method
JP5985140B2 (ja) 2010-04-28 2016-09-06 ソニー株式会社 蛍光強度補正方法、蛍光強度算出方法及び蛍光強度算出装置
JP5433517B2 (ja) 2010-07-14 2014-03-05 株式会社日立ハイテクノロジーズ 解析装置及び解析方法
JP5494351B2 (ja) 2010-08-24 2014-05-14 ソニー株式会社 蛍光強度補正方法、蛍光強度算出方法及び蛍光強度算出装置並びに蛍光強度補正プログラム
JP5693894B2 (ja) 2010-08-26 2015-04-01 日本光電工業株式会社 細胞解析装置及び細胞解析方法
JP5834584B2 (ja) * 2011-07-25 2015-12-24 ソニー株式会社 情報処理装置、情報処理方法、プログラム及び蛍光スペクトルの強度補正方法
JP5870851B2 (ja) 2012-05-29 2016-03-01 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
US10371632B2 (en) 2012-06-06 2019-08-06 Sony Corporation Data correction method in fine particle measuring device and fine particle measuring device
FR2994740B1 (fr) 2012-08-21 2015-03-27 Horiba Abx Sas Procede de compensation du vieillissement d'un reactif lors de mesures de fluorescence sur des particules, et dispositif d'analyse biologique mettant en œuvre le procede.
WO2014141878A1 (ja) 2013-03-15 2014-09-18 ソニー株式会社 微小粒子分析装置、微小粒子分析方法、プログラム及び微小粒子分析システム
WO2014191003A1 (en) * 2013-05-28 2014-12-04 Chemometec A/S Image forming cytometer
CN106644901A (zh) 2015-10-14 2017-05-10 北京信息科技大学 一种用于流式细胞仪的荧光补偿方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4622468A (en) * 1985-07-15 1986-11-11 Sequoia-Turner Corporation Fluorescence intensity compensation method and device
JP2003083894A (ja) * 2001-09-14 2003-03-19 Sumitomo Electric Ind Ltd 蛍光値補正方法、蛍光値補正装置、蛍光値補正プログラム及び前記蛍光値補正プログラムを記録した記録媒体
JP2012018108A (ja) * 2010-07-09 2012-01-26 Sony Corp 蛍光強度補正方法及び蛍光強度算出装置
JP2012052985A (ja) * 2010-09-03 2012-03-15 Sony Corp 蛍光強度補正方法及び蛍光強度算出装置
JP5772425B2 (ja) 2011-09-13 2015-09-02 ソニー株式会社 微小粒子測定装置
JP2015025824A (ja) * 2014-11-07 2015-02-05 ソニー株式会社 微小粒子測定装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3667290A4

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115398211A (zh) * 2020-04-20 2022-11-25 索尼集团公司 信息处理系统、信息处理方法、程序、信息处理装置和计算装置
EP4141419A4 (en) * 2020-04-20 2023-09-27 Sony Group Corporation INFORMATION PROCESSING SYSTEM, INFORMATION PROCESSING METHOD, PROGRAM, INFORMATION PROCESSING APPARATUS AND CALCULATION APPARATUS

Also Published As

Publication number Publication date
EP3667290A1 (en) 2020-06-17
CN111033222A (zh) 2020-04-17
JPWO2019031048A1 (ja) 2020-07-02
US20200217774A1 (en) 2020-07-09
JP7010293B2 (ja) 2022-01-26
US11561161B2 (en) 2023-01-24
CN111033222B (zh) 2023-04-07
EP3667290A4 (en) 2020-07-29

Similar Documents

Publication Publication Date Title
US20210285879A1 (en) Fluorescence intensity correcting method, fluorescence intensity calculating method, and fluorescence intensity calculating apparatus
US9400251B2 (en) Fine particle measuring apparatus
JP5870851B2 (ja) 情報処理装置、情報処理方法、及びプログラム
JP5834584B2 (ja) 情報処理装置、情報処理方法、プログラム及び蛍光スペクトルの強度補正方法
US11726031B2 (en) Fluorescent spectrum correcting method and fluorescent spectrum measuring device
US8779387B2 (en) Method and system for detecting fluorochromes in a flow cytometer
US20220082489A1 (en) Methods and apparatus for full spectrum flow cytometer
Ashhurst et al. High‐dimensional fluorescence cytometry
JP2012052985A (ja) 蛍光強度補正方法及び蛍光強度算出装置
JP2020122803A (ja) 微小粒子測定装置、情報処理装置及び情報処理方法
EP3882603A1 (en) Information processing device, information processing method, and computer program
WO2022019006A1 (ja) 情報処理システム及び情報処理方法
US20240027457A1 (en) High parameter reagent panel and reagent kit for effective detection of aberrant cells in acute myeloid leukemia
JP7010293B2 (ja) 情報処理装置、情報処理方法及びプログラム
JP6699102B2 (ja) 微小粒子測定装置及び情報処理方法
JPWO2018047441A1 (ja) 微小粒子測定装置及び微小粒子測定方法
JP2021063664A (ja) 情報処理装置、粒子測定装置、情報処理方法、粒子測定方法、及びコンピュータプログラム
WO2022080034A1 (ja) 情報処理装置、粒子解析装置、粒子分取装置及び情報処理方法
CN116964433A (zh) 基于模型化和最小化溢出扩散的流式细胞术面板设计方法以及用于实践该方法的系统
US20230031689A1 (en) Information processing apparatus, particle measuring apparatus, particle measuring system, particle dispensing apparatus, particle dispensing system, information processing method, and information processing program
US20240027447A1 (en) Methods and aparatus for a mouse surface and intracellular flow cytometry immunophenotyping kit
US20230168195A1 (en) Particle analysis system, information processing method, and program
Arslan Constructing reference datasets for evaluating automated compensation algorithms in multicolor flow cytometry

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18842889

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019534997

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018842889

Country of ref document: EP

Effective date: 20200309